L'IA générative explose : Google Vids, Kimi K3 et la course aux agents d'entreprise
L’IA générative explose : Google Vids, Kimi K3 et la course aux agents d’entreprise
💡 En résumé : Le 16 juillet 2026 marque une accélération spectaculaire de l’IA générative dans tous les secteurs. Google transforme Google Vids en plateforme vidéo complète avec avatars personnalisés, Moonshot s’apprête à dévoiler Kimi K3 (2 à 3 trillions de paramètres), Roblox lance la création de jeux par prompt textuel, et une enquête VentureBeat révèle que les entreprises investissent dans l’infrastructure IA plus vite qu’elles ne peuvent la mesurer.
🔥 Tendances
Google Vids : la vidéo IA personnalisée devient mainstream
Google a annoncé une mise à jour majeure de Google Vids qui le positionne comme un concurrent direct de HeyGen, Synthesia et D-ID. La nouveauté phare : la création d’avatars personnalisés. Les utilisateurs peuvent désormais créer un avatar numérique qui leur ressemble et parle avec leur voix en téléchargeant simplement un selfie et un échantillon vocal.
L’intégration de Gemini Omni, le modèle multimodal de Google, permet de générer des vidéos complètes à partir d’un prompt textuel associé à des images de référence. Gemini Omni peut également modifier des vidéos existantes — changer les fonds, corriger l’éclairage, ajouter des effets — sans avoir à tout régénérer. Google déploie SynthID, un filigrane invisible, pour prévenir les usages malveillants.
Cette annonce arrive alors que Sora d’OpenAI a cessé ses activités, illustrant la volatilité du marché de la génération vidéo. Google Vids n’est plus un simple outil de présentation professionnelle : c’est une plateforme vidéo complète.
Moonshot Kimi K3 : un nouveau rival chinois à 2-3 trillions de paramètres
Moonshot AI, la startup chinoise derrière la série Kimi, s’apprête à lancer Kimi K3, son modèle open-weight le plus ambitieux. Selon le Financial Times, citant des sources anonymes, ce modèle comptera entre 2 et 3 trillions de paramètres — ce qui en ferait le plus grand modèle open-weight jamais produit en Chine.
L’objectif annoncé : égaler, voire surpasser Anthropic Opus 4.8. Le modèle précédent, Kimi K2, s’était déjà fait remarquer en approchant les performances des modèles fermés les plus avancés sur les benchmarks. Moonshot lève actuellement des fonds à une valorisation de 31,5 milliards de dollars, contre 20 milliards en mai 2026, signe que la confiance des investisseurs dans les modèles open-source chinois reste intacte.
Cette annonce s’inscrit dans un débat plus large sur le rapport coût-bénéfice des modèles fermés (OpenAI, Anthropic) face aux alternatives open-source (DeepSeek, Z.ai, Moonshot). Des voix comme Satya Nadella ont récemment mis en garde les entreprises contre les données qu’elles confient aux API des grands labs.
Roblox + AI : créer un jeu vidéo en une phrase
Roblox a annoncé “Build”, une fonctionnalité qui permet de créer des jeux complets depuis son mobile par simple prompt textuel. Un exemple donné : “Let’s make a cozy adventure game set in a dense forest” déclenche la génération d’un jeu avec mécaniques, environnement, personnages, style visuel et son.
La technologie repose sur un mélange de modèles open-source et propriétaires. Roblox précise que les jeux générés par IA seront classés par rétention des joueurs, évitant ainsi l’afflux de contenus de faible qualité. Le lancement en alpha publique est prévu pour le 28 juillet 2026, d’abord en Nouvelle-Zélande. Parallèlement, Roblox développe des agents IA pour aider les créateurs à tester et analyser leurs jeux, ainsi qu’un modèle de fondation 3D annoncé en février.
🤖 Nouveaux outils et modèles
Nemotron 3 Embed : NVIDIA réinvente le retrieval augmenté
NVIDIA a dévoilé la famille Nemotron 3 Embed, des modèles d’embedding open-source qui dominent le classement RTEB (Retrieval Task Evaluation Benchmark). Le modèle phare de 8 milliards de paramètres atteint 78,5% NDCG@10, un nouveau record. La version 1B, quantifiée en NVFP4, offre un débit 2× supérieur au BF16 sur les GPU Blackwell avec une rétention de précision de 99%+.
L’innovation majeure réside dans l’efficacité pour le retrieval agentique : des embeddings plus précis réduisent le nombre de recherches et de tours de raisonnement des agents, diminuant directement les coûts de tokens. Les modèles supportent une fenêtre de contexte de 32k tokens, sont multilingues, et sont disponibles dès le premier jour sur Hugging Face, NVIDIA NIM, vLLM et les cloud partners (Baseten, DeepInfra, OpenRouter).
AMI Labs : 1 milliard pour les modèles du monde réel
AMI Labs, co-fondé par Yann LeCun (prix Turing, ex-Meta AI), a levé 1,03 milliard de dollars en mars 2026. Son fondateur Alexandre LeBrun rejette les termes “AGI” et “superintelligence”, qu’il juge inutiles. La startup développe des “world models” — des modèles capables de prédire l’état physique du monde, contrairement aux LLM qui ne prédisent que le texte.
LeBrun est clair : “Les LLM sont complémentaires, pas remplaçables.” Les robots actuels exécutent des routines fixes et manquent de conscience contextuelle — un exemple frappant : un robot a dansé et frappé un enfant lors d’un événement public, faute de compréhension de son environnement. Les marchés cibles : robotique, fabrication, électronique et santé. L’entreprise est encore pré-revenu et recrute des partenaires industriels en Asie.
📊 Analyse
Le paradoxe de l’infrastructure IA : on achète plus vite qu’on ne mesure
L’enquête VentureBeat Pulse Research auprès de 107 entreprises révèle un décalage frappant : seulement 21% des organisations exploitent l’IA en production à grande échelle, et 83% des GPU tournent à moins de 50% d’utilisation. Pourtant, 64% des entreprises prévoient de changer de fournisseur d’infrastructure dans les 12 mois, et 45% évaluent des clouds spécialisés (CoreWeave, Lambda, Crusoe) qu’elles n’utilisent presque pas aujourd’hui.
Le paradoxe est que le coût par million de tokens est le dernier critère d’achat (8% des répondants), tandis que l’intégration avec la stack existante (41%) et le coût total de possession (35%) dominent. Problème : moins de la moitié des entreprises (44%) mesurent rigoureusement leurs coûts de compute IA. Personne n’achète sur le prix au token, mais personne ne sait non plus combien il dépense réellement.
La crise de confiance des agents d’entreprise
Deux autres enquêtes VentureBeat complètent le tableau. Sur l’évaluation des agents (157 entreprises), 50% ont déjà déployé un agent qui a passé leurs tests internes puis a échoué face à un client. Pire : seulement 5% font entièrement confiance à l’évaluation automatisée. Malgré cela, 66% des organisations autorisent ou construisent des pipelines de déploiement zéro-humain.
Sur le fossé de contexte, 57% des entreprises ont tracé une erreur d’agent à un contexte métier manquant. La conclusion : le problème n’est pas le volume de retrieval, mais la gouvernance du contexte — les agents répondent avec confiance mais sur des bases inconsistantes.
🎯 À retenir
- Google Vids devient un concurrent sérieux des plateformes d’avatars IA (HeyGen, Synthesia) avec Gemini Omni et les avatars personnalisés filigranés SynthID
- Moonshot Kimi K3 (2-3T paramètres) vise à égaler Anthropic Opus 4.8 — un signal fort pour l’open-source chinois à 31,5 milliards de valorisation
- Roblox Build démocratise la création de jeux vidéo par prompt — un pas de plus vers la création assistée massive
- Les entreprises investissent dans l’IA sans savoir ce qu’elle leur coûte : 83% des GPU sous-utilisés, 64% veulent changer de fournisseur
- Les agents IA sont déployés en production alors que la moitié des organisations a déjà subi un échec client — un pari risqué qui appelle à des garde-fous